Pārlekt uz galveno saturu

Informācijas tehnoloģija

Studiju kursa apraksts

Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:2.00
Kursa apraksta apstiprināšanas datums:02.02.2024 12:26:02
Par studiju kursu
Kursa kods:LU_011LKI līmenis:Visiem līmeņiem
Kredītpunkti:2.00ECTS:3.00
Zinātnes nozare:Mērķauditorija:Informācijas un komunikācijas zinātne
Studiju kursa vadītājs
Kursa vadītājs:Lolita Vija Neimane
Studiju kursa īstenotājs
Struktūrvienība:Veselības un sporta zinātņu fakultāte
Struktūrvienības vadītājs:
Kontaktinformācija:
Studiju kursa plānojums
Pilns laiks - 1. semestris
Lekcijas (skaits)2Lekciju ilgums (akadēmiskās stundas)2Kopā lekciju kontaktstundas4
Nodarbības (skaits)14Nodarbību ilgums (akadēmiskās stundas)2Kopā nodarbību kontaktstundas28
Kopā kontaktstundas32
Studiju kursa apraksts
Priekšzināšanas:
Mērķis:
Tēmu saraksts (pilna laika studijas)
Nr.TēmaĪstenošanas formaSkaitsNorises vieta
1IT kompetence un profesionālā darbība.Lekcijas1.00cits
2Darbs ar datu bāzēm noderīgas informācijas vākšanai.Nodarbības2.00cits
3Digitālo iespēju izmantošana noslēguma darbu sagatavošanā.Nodarbības2.00cits
4Digitālo iespēju izmantošana prezentāciju sagatavošanā un prezentēšanā.Nodarbības2.00cits
5Darbs ar profesionālajai darbībai un studijām noderīgu digitālo aparatūru un programmatūru.Nodarbības3.00cits
6Eksperimentālo mērījumu kļūdas un to aprēķini.Lekcijas1.00cits
Nodarbības2.00cits
7Empīrisko pētījumu datu apstrāde un to vizualizēšana.Nodarbības3.00cits
Vērtēšana
Patstāvīgais darbs:
Studentu patstāvīgais darbs tiek organizēts individuāli un/vai darba grupās, un tas ietver patstāvīgu gatavošanos praktiskajām nodarbībām, starppārbaudījumiem un gala pārbaudījumam, veicot šādus uzdevumus: 1. patstāvīgais darbs. Darbs ar datu bāzēm, anotāciju apkopojuma izveide. 2. patstāvīgais darbs. Akadēmiskās prezentācijas izstrāde un prezentēšana. 3. patstāvīgais darbs. Prakses atskaites vai noslēguma darba noformēšana. 4. patstāvīgais darbs. Datu statistiskā apstrāde un sakarību vizualizācija. 5. patstāvīgais darbs. Darbs ar skaitliskiem datiem, datu apstrādes funkciju izmantošana, to statistiskā apstrāde un grafiskā attēlošana.
Vērtēšanas kritēriji:
Studiju kursa gala vērtējums veido, starppārbaudījumu (patstāvīgo darbu) un eksāmena vērtējums. Studenti patstāvīgos darbus iesniedz līdz nodarbību plānā norādītajiem datumiem. Eksāmenu studenti kārto tikai tad, ja ir nokārtoti visi starppārbaudījumi. Starppārbaudījumi: 1. Darbs ar datu bāzēm, vietņu anotāciju apkopojuma izveide – 10%. 2. Akadēmiskās prezentācijas izstrāde un prezentēšana – 10%. 3. Prakses atskaites vai noslēguma darba noformēšana – 30%. 4. Datu statistiskā apstrāde un sakarību vizualizācija – 20%. Noslēguma pārbaudījums: Eksāmens - ar profesionālo darbību vai studijām saistīta, studenta paša izvēlēta uzdevuma prezentēšana, kas apliecina kursā apgūtās zināšanas, prasmes un kompetences – 30%. Studentiem obligāti jāveic praktiskie darbi, patstāvīgie darbi un eksāmena darbs. Nodarbību kavējuma gadījumā praktiskos darbus studenti veic patstāvīgi un to izpildi pārrunā ar docētāju konsultāciju laikā.
Gala pārbaudījums (pilna laika studijas):Eksāmens
Gala pārbaudījums (nepilna laika studijas):
Studiju rezultāti
Zināšanas:1. Zina profesionālajai darbībai un studijām noderīgus datu un informācijas vākšanas un apstrādes digitālos rīkus un to izmantošanas iespējas; 2. Izprot digitālo rīku izmantošanas iespējas profesionālajā komunikācijā un sadarbībā.
Prasmes:1. Vāc profesionālajai darbībai un studijām noderīgu informāciju elektroniskajās datu bāzēs; 2. Izmanto digitālos rīkus profesionālajā darbībā un studijās nepieciešamo dokumentu (prakses atskaites vai studiju noslēguma darba) izstrādei; prezentāciju sagatavošanai un to prezentēšanā; 3. Veic datu statistisko apstrādi un iegūto rezultātu grafisko attēlošanu.
Kompetences:Izvēlas piemērotus digitālos rīkus un tos izmanto profesionālās darbības un studiju uzdevumu izpildei.
Bibliogrāfija
Nr.Atsauce
Obligātā literatūra
1Information design : research and practice / edited by Black. London; New York : Routledge, Taylor & Francis Group, 2017. xvi, 750 lpp
2Karnītis, E. Informācijas sabiedrība – Latvijas iespējas un uzdrošināšanās. Rīga : Pētergailis, 208 lpp.
3Logins, J. Informācijas tehnoloģija. E-studiju kurss LU Moodle vidē. Nodarbību materiāli. 2021.
Papildu literatūra
1Data science & big data analytics : discovering, analyzing, visualizing and presenting data / EMC Education Services. Indianapolis, IN : John Wiley and Sons, 2014. xviii, 410 lpp.
2Dorner, D. G. Information needs analysis: principles and practice in information organizations. London : Facet Publishing, 2015. xvii, 269 lpp.
3Pierson, L. Data science for dummies / by Lillian Pierson ; foreword by Jake Porway, Founder and Executive Director of DataKind. Hoboken, New Jersey : For Dummies, a Wiley Brand, [2015]. xvi, 384 lpp.
4Trochim, W. M. Research methods : the essential knowledge base. [2nd edition]. Boston, MA : Cengage Learning, ©2016. xxii, 422 lpp. Tiešsaistes resurss.
5Ware, C. Information visualization: perception for design / Colin Ware. Fourth edition. Philadelphia : Elsevier, Inc, 2020. xviii, 538 lpp.
Citi informācijas avoti
1E-learning and Education (eleed) Journal. Pieejams tiešsaistē: http://eleed.campussource.de/
2The Electronic Journal of e-Learning. Pieejams tiešsaistē: http://www.ejel.org/main.html
3Top Tools for Learning. Pieejams tiešsaistē: https://www.toptools4learning.com/home/